《Multimodal Transportation》：Suitable Placement for Hub-Based Autonomous Mobility-on-Demand Services in Multimodal Metropolitan Settings: A Simulation-Based Approach
编辑推荐：
自动驾驶按需出行（AMoD）具有在多模式大都市环境中改善第一英里和最后一英里连接的潜力。先前的研究从运营效率、用户偏好和系统范围需求影响等角度考察了多对一和多对少AMoD服务。然而，整合相关偏好数据来评估系统范围需求影响（特别是与铁路系统的交互）的研究仍然有限
自动驾驶按需出行（AMoD）具有在多模式大都市环境中改善第一英里和最后一英里连接的潜力。先前的研究从运营效率、用户偏好和系统范围需求影响等角度考察了多对一和多对少AMoD服务。然而，整合相关偏好数据来评估系统范围需求影响（特别是与铁路系统的交互）的研究仍然有限。本研究以东京都市圈为案例，模拟了引入基于自动车辆的往返铁路车站的按需服务（基于枢纽的AMoD）对多模式大都市环境出行需求的影响。研究人员将铁路用户使用基于枢纽AMoD服务的意向陈述偏好数据纳入现有出行需求预测模型，并考察了由此产生的车站可达性和铁路需求变化。结果表明，使用基于枢纽AMoD的铁路出行密度在中心区域以及第一英里和最后一英里市场中基于枢纽AMoD份额相对较大的周边区域更高。这些周边区域通常存在不利于步行或骑行的条件，例如显著的高程差。铁路出行生成的百分比增长在郊区区域大于中心区域，且区域内部出行大于长距离区域间出行。按距车站距离划分，铁路出行生成的增加在1.8–2.5公里范围内最大，在700米范围内最小。总体而言，研究结果表明，基于枢纽AMoD的需求影响取决于当地第一英里和最后一英里的条件，为改善车站接入和支持铁路使用的适宜部署策略提供了见解。
论文解读文章
**1. 研究背景与问题**
在多模式大都市环境中，第一英里和最后一英里连接是影响公共交通（尤其是铁路）使用效率的关键环节。自动驾驶按需出行（AMoD）服务，特别是基于枢纽的AMoD（即连接铁路车站的自动车辆按需服务），有望改善这一连接。然而，现有研究存在明显局限：偏好研究（如陈述偏好实验）能揭示用户对AMoD属性的响应，但无法追踪这些响应如何影响城市尺度的铁路需求；系统范围模拟研究虽能提供空间上丰富的需求影响，但往往简化了现有第一/最后一英里模式间的替代关系。因此，将基于偏好的替代行为与铁路系统交互统一纳入一个框架的研究仍然有限。这导致难以评估不同车站接入环境下基于枢纽的AMoD改善可达性和影响铁路需求的本地条件。为此，研究人员开展了本研究，旨在通过整合陈述偏好（SP）数据与现有铁路需求分析系统，模拟基于枢纽的AMoD引入后对东京都市圈（TMA）出行需求的影响，并识别适宜的部署策略。论文发表在《Multimodal Transportation》。
**2. 主要关键技术方法**
研究人员采用以下关键方法：（1）基于SP调查数据（针对TMA中距最近车站1–5公里的居民，收集2300份样本，筛选后1738名铁路用户，共10428次选择）和显示偏好（RP）数据（来自TMA铁路需求分析系统的现有第一/最后一英里模式数据），估计包含AMoD选项的第一/最后一英里模式选择模型（多项logit模型）；（2）将模型的logsum项（代表车站可达性）作为解释变量，嵌入TMA铁路需求分析系统的主模式选择模型（多项logit）和铁路路线选择模型（多项probit模型）；（3）设定AMoD服务模型：假设无拼车（仅家庭成员）、无绕行，旅行速度与下车模式相同，考虑9种等待时间和票价组合（基于SP实验设计），模拟产生需求上限。样本来源为东京都市圈居民。
**3. 研究结果**
**3.1 基于枢纽的AMoD对铁路出行需求的影响**
通过比较有无引入基于枢纽AMoD的TMA出行模式份额，研究人员发现：铁路出行份额从34.0%增加0.5至0.9个百分点；排除步行和骑行后，铁路份额从54.7%增加0.8至1.4个百分点。这些新增铁路出行主要由汽车出行转移而来。在最有利服务条件（Case 11）下，铁路出行每日增加71.8万次（+2.6%）；在最不利条件（Case 33）下，增加39.7万次（+1.4%）。按区域块分析，区域内部铁路出行增长率在郊区（如东京中心区外）达2.5%以上，而中心区域（如东京特别区）仅0.8%；区域间铁路出行增长率也高于中心区域。按分区来看，中心区域铁路出行生成率变化小于1%，而周边区域多在2%–5%之间。
**3.2 基于枢纽的AMoD对车站可达性的影响**
引入基于枢纽AMoD后，第一英里模式份额变化：步行从70.2%降至65.1%–69.3%，骑行从13.0%降至12.4%–13.1%，下车从6.4%变为6.3%–6.6%，公交从10.4%变为10.1%–10.6%，AMoD份额在Case 11、22、33中分别为6.1%、1.8%、0.4%。按分区，AMoD份额在沿铁路线区域较高（≥3%），在无铁路段区域较低（≤3%）。周边区域（如横滨市、川崎市西部、神奈川县东南部）以及TMA西部边缘和山区，AMoD份额可达10%以上。这些区域通常具有以下特征：存在抑制步行或骑行的地形（如显著高程差），且公交作为第一英里模式的份额相对较大。研究人员得出，AMoD需求水平在两类区域较高：一是中心区域（因铁路出行密度大），二是周边区域（因步行/骑行受限且AMoD市场份额大）。按距车站距离分析，AMoD份额在1.4–2公里波段最大（7.8%–7.9%），铁路出行生成增加在1.8–2.5公里波段最大（+2.8%），在700米以内变化很小（+0.3%或负值）。研究人员指出，模拟中未对AMoD施加地理围栏，可能导致对较长第一英里距离的高估。
**4. 讨论与结论**
研究人员在讨论部分指出，模拟结果揭示了基于枢纽AMoD在异质第一/最后一英里条件下更可能作为铁路补充模式运行的区域：百分比增长在郊区区域、区域内部短途出行以及距车站1.8–2.5公里波段更大；地形抑制步行/骑行的区域也提供有利环境。这些发现对部署策略有启示：在多模式大都市中，基于枢纽AMoD最可能在郊区（尤其是传统步行范围之外）得到合理应用，而在中心区域，尽管用户密度可能更高，但百分比增长较小。研究还提到，部署需考虑治理、监管和利益相关者协调等问题。研究结论部分（翻译）：“本研究分析了在东京都市圈（一个多模式大都市区域）引入基于枢纽AMoD服务对车站可达性和铁路出行的影响。分析将铁路用户使用该服务意向的SP调查结果整合到现有出行需求预测模型中。特别是，本研究展示了基于枢纽AMoD服务的详细系统范围需求模式和铁路需求影响。从多样化第一/最后一英里环境中得出的结果可为进一步分析基于枢纽AMoD服务的关键政策与运营考虑以及AMoD服务与公共交通的整合提供基础。”
